简介:无人机在际应用中,呈现出采集数据量大、多传感器数据同步要求高、数据分斩日益重要等特点。本文提出的新体系数据记录系统,针对当前无人礼应用场景特点,能够实现多源数据的高速同步记录,且具备一定的数据分析能力,具有广阔的应用前景。该数据记录系统基于当前主流的VITA46串行数据架构标准,系统主要包括数据记录平台、数据转存平台、数据分析平台和数据管理平台,各平台之间及平台内部各模块之问,采用高速串行交换总线互连,有效解决了GB/s级别带宽的数据传输问题。此外,通过把各平台进行系统集成,单机设备即可实现高速数据采集、存储、实时显示、数据回放和应用分斩等多种功能,适用于农业、电力、勘鼻探和测绘等多场景应用下的无人机数据采集、记录与分斩.
简介:通过分析ZigBee协议中Cluster—Tree和AODVjr算法的优缺点,提出一种基于Cluster—Tree+AODvjr的优化路由算法。该算法利用ZigBee协议中的邻居表,通过定义分区来确定目的节点的范围,从而控制广播RREQ分组的跳数,防止无效的RREQ泛洪。此优化算法能够有效地减小路由跳数,缩短传输时延,减少网络中死亡节点的数量,提高数据传送的成功率。
简介:研究基于深度强化学习技术的避障场景的算法模型设计,采用改进岛深度Q网络(DeepQ-lesrningNet-work,DQN)算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况,改进奖利机制,增知实时奖惩作为补充,解决学习耗时长和练不稳定的问题:采用相对角度、位置金和距离等信息,相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法/可视图法等传统人为策略避障算法,深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力,因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。